以光流网络为导向的深度视频目标检测研究.pdfVIP

摘 要 摘 要 目标检测问题是计算机视觉领域非常热门的研究方向，目前在学术界中针对 单幅图像的目标检测已有许多代表性算法，但针对视频目标检测问题的研究进展 比较缓慢。图像数据与视频数据比较，撇去形式不谈，后者的信息量更大更冗杂， 如今互联网技术与移动通信技术飞速发展，不论电脑端还是移动端，视频数据在我 们的生活中扮演越来越重要的角色，视频目标检测也势必成为当下的研究焦点之 一。 目标检测这门学科具体而且核心，它的任务是找出图像中所有感兴趣的目标， 通常输出结果会以边界框的形式确定目标在图像中的具体位置，大小以及所属物 体类别。视频目标检测任务就是找出视频中所有感兴趣的目标，并完成定位、识别 和分类任务。然而在一段视频帧序列中，相邻帧图像往往具有极大的相似性，而且 前后帧还存在上下文关系，这是单幅图像所不具备的特点。因此，看上去视频目标 检测与图像目标检测大同小异，但实际算法设计上却有着很大区别。 本课题在此前微软亚洲研究院关于光流法视频目标检测的固定间隔关键帧选 取算法和密集特征增强算法的基础上，提出了一种基于分片的关键帧插入策略的 算法，这种新算法在整体结构上依然是特征级别的检测原理，即结合特征提取网络 与基于区域的全卷积网络。算法的核心思想是分段化地选取关键帧，以固定间隔的 关键帧序列作为初始状态，判定当前关键帧与下一关键帧的相似程度是否达到相 似度阈值，插入新关键帧，否则跳过至下一关键帧继续判定。直到确定所有的关键 帧，最终形成呈片段分布趋势的关键帧序列。通过实验，本文提出的算法可以针对 不同场景和需求进行参数调试，达到当前最佳效果。 关键词：视频目标检测，光流网络，基于区域的全卷积网络，关键帧选取 I ABSTRCT ABSTRACT Object detection is a very popular research direction of Computer Vision. So far, there are several representative algorithms for single image detection in academia. But the research progress in video object detection is in a relatively backwater. Comparing image data with video data, the latter has a larger amount of information and is more complicated. Nowadays, Internet technology and mobile communication technology are developing rapidly. Whether using computer or mobile, we can see video data plays a more and more important role in our lives. The task of object detection is to find all the interesting objects of the input image. The task of video object detection is to find all the interesting objects in the video, and output their exact positions, sizes and classifications. However, in a sequence of video frames, adjacent frames have great similarity, and there is a contextual relationship between the front and back frames. This is a feature t